Resumen de Optimising a shaft's geometry by applying genetic algorithms

María Alejandra Guzmán, Alberto Delgado

• español

  Muchos problemas de diseño de ingeniería involucran la maximización o minimización de más de una función objetivo. Para la solución de este tipo de problemasm conocidos como Problemas de Optimización Multiobjetivo (POM), en la última decada las técnicas evolutivas han demostrado ser una herramienta efectiva y eficiente. Particularmente, varios algoritmos genéticos han sido propuestos por diveros autores, los cuales permiten hallar en un tiempo corto soluciones óptimas a problemas multiobjetivo. En este artículo se desarrolla una aplicación del algoritmo NSGA (Non-dominated Sorting Genetic Algorithm) que permite obtener geometrías óptimas para el eje de una máquina herramienta sometido a cargas cíclicas, para el cual se busca minimizar simultáneamente su peso y su deflexión lateral máxima.

• English

  Many engnieering design tasks involve optimising several conflicting goals; these types of problem are known as Multiobjective Optimisation Problems (MOPs). Evolutionary techniques have proved to be an effective tool for finding solutions to these MOPs during the last decade, Variations on the basic generic algorithm have been particulary proposed by different researchers for finding rapid optimal solutions to MOPs. The NSGA (Non-dominated Sorting Generic Algorithm) has been implemented in this paper for finding an optimal design for a shaft subjected to cyclic loads, the conflycting goals being minimum weight and minimum lateral deflection.